Covering Uncommon Ground: Gap-Focused Question Generation for Answer Assessment

要約

人間のコミュニケーションには、対話者間の情報のギャップが含まれることがよくあります。
たとえば、教育的な対話では、生徒が不完全な答えを返すことがよくあり、その答えと教師が期待する完璧な答えの間にはギャップがあります。
対話が成功するかどうかは、教師がこのギャップについて効果的な方法で質問し、豊かで対話型の教育体験を生み出すかどうかにかかっています。
私たちは、このようなギャップに焦点を当てた質問 (GFQ) を自動的に生成する問題に焦点を当てます。
私たちはタスクを定義し、優れた GFQ に求められる主要な側面を強調し、これらを満たすモデルを提案します。
最後に、人間が作成した質問と人間が作成した質問を比較した人間のアノテーターによる評価を提供し、競争力のあるパフォーマンスを示します。

要約(オリジナル)

Human communication often involves information gaps between the interlocutors. For example, in an educational dialogue, a student often provides an answer that is incomplete, and there is a gap between this answer and the perfect one expected by the teacher. Successful dialogue then hinges on the teacher asking about this gap in an effective manner, thus creating a rich and interactive educational experience. We focus on the problem of generating such gap-focused questions (GFQs) automatically. We define the task, highlight key desired aspects of a good GFQ, and propose a model that satisfies these. Finally, we provide an evaluation by human annotators of our generated questions compared against human generated ones, demonstrating competitive performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google